MétaCan
Menu
Retour à la cohorte
Enregistrement W3027904931 · doi:10.1002/mp.14254

MRI‐compatibility study of a PET‐insert based on a low‐profile detection front‐end with submillimeter spatial resolution

2020· article· en· W3027904931 sur OpenAlexafffund
Narjes Moghadam, Jonathan Bouchard, Romain Espagnet, Réjean Fontaine, Roger Lecomte

Notice bibliographique

RevueMedical Physics · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésImage resolutionShielded cableImaging phantomElectromagnetic coilScannerOpticsRadiofrequency coilRadio frequencyMaterials scienceNuclear magnetic resonanceLarmor precessionPhysicsMagnetic fieldComputer science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The LabPET II detection module is a potential candidate to create an magnetic resonance imaging (MRI) compatible positron emission tomography (PET)-insert with submillimeter spatial resolution for small animal applications. However, the feasibility of such an insert is hampered by the large radial size of the LabPET II front-end electronics and by components containing ferromagnetic materials. In this paper, a new low-profile front-end design based on the LabPET II architecture, called "low-profile detection module," is investigated. MATERIALS AND METHODS: The performance of the low-profile detection module in the presence of MRI-like RF signals and gradient coil pulses was independently examined. The baseline of the analog signal, its RMS noise level, and the energy resolution, determined by a dual time-over-threshold (dTOT) method for each pixel of the new low-profile detection module, was measured in the presence of RF signals at different frequencies equivalent to the Larmor frequency of 3, 7, and 9.4 T MRI. The same parameters were investigated in the presence of a gradient coil switching at frequencies from 10 to 100 kHz. The performance of the low-profile detection module inside a 7 T MRI and its effects on an MR image have also been studied using gradient echo sequences. The same measurements were repeated for the shielded low-profile detection module, inside and outside the MRI. RESULTS: Our results show that pulses in both the kilohertz and megahertz ranges cause up to 50% increase in the noise level of the baseline (DC analog signal at the output of the shaper filter) and up to 17% degradation in TOT energy resolution. By inserting a conducting composite layer as shielding around the low-profile detection module, these degrading effects were avoided. The performance measurement of the low-profile PET detection module inside a 7 T small animal MRI scanner confirmed that the shielded low-profile detection module behavior was similar inside and outside the MRI bore. In addition, gradient echo images of a water-filled phantom without and with the shielded and unshielded low-profile detection modules were acquired. The results demonstrated no evidence of artifacts in the MR image, either due to eddy currents or ferromagnetic materials with the shielded modules. CONCLUSION: A low-profile detection module based on the LabPET II technology was shown to be a viable candidate as a PET-insert for simultaneous PET/MRI applications considering its thin radial size and its EMI immunity due to placing it between two electronic boards. In comparison to the standard LabPET II detection module, it provides better performance in the presence of electromagnetic interferences, but a shielding layer is still required. When properly shielded, the proposed low-profile detection module can be operated inside an MRI without degrading the PET count rate or the MRI performance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,289
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207